4. Zunehmende Bedeutung analytischer Verfahren
Marktreife und Wettbewerbsdruck erhöhen die Nachfrage nach
analytischen Verfahren:
- Einsatz von BI-Werkzeugen in Unternehmen ist selbstverständlicher
geworden, die Akzeptanz der Entscheidungsfundierung durch Daten
wächst und ist auch wesentlicher Bestandteil von Digitalisierungsinitiativen.
- Big Data fokussiert gerade das Thema Datenanalyse und bringt neue
Aspekte in die Diskussion – vom Top Management („wie werden wir ein
datengetriebenes Unternehmen?“) bis hin zur IT („kann Hadoop meine
Kosten für Speicherung und Analyse von Sensor- und Log-Daten
reduzieren?“)
„Mehrwert durch Analyse statt nur Reporting“
6. Analyse Ihrer Data Value Chain
- Bereitstellung,
Bereinigung und
Vorbereitung der
Daten
- Pre-Processing
von Zeitreihen
-Analyse der
Datenlandschaft
- Identifikation
geeigneter Werte
und Parameter
und Bündelung
von relevanten
Daten
- Erst nach
Integration
Ergebnisse für
Entschei-
dungsfindung
nutzbar
- Ableitung von
Handlungsan-
weisungen
Kernkompetenz
Data Mining,
Operations
Research,
Zeitreihen-
analyse
- Darstellung
und
Kommunikation
der Ergebnisse
- Verdeutlichung
des Nutzens der
Integration
12. Inhalt
- Was bedeutet Analyse?
- Ansatzpunkte fortgeschrittener Analyse – MAX-CON Kernkompetenz
- Von Aufgabe und Daten zum Ergebnis
- Analytical Cycle
- Projektbeispiel: Sortimentsoptimierung im Handel
- Projektbeispiel: Mengenprognose im Handel
13. Vorgehen im Projekt – Bsp. Sortimentsoptimierung
Projektauftrag und Aufgabenverständnis
- Bestimmung des optimalen (Umsatz/Profitabilität) Sortimentes bzgl. Filiale &
Zeitpunkt unter Berücksichtigung von Verbundeffekten
Daten: Verständnis, Selektion, Integration & Aufbereitung
- Kassendaten (POS): Artikelnummer, Menge, Umsatz
- weitere (Meta-)Informationen – Warengruppen, Module, NOS Sortiment, Layout,
Deckungsbeitrag, Aktionsartikel, etc.
- Verwerfen von Filialen ohne Aussagewert (unterjährig geschlossen/geöffnet, missing
values, Bons defekter Kassen, etc.)
- Akkumulation von Artikeln die mehrfach auf dem Bon vorkommen
- Auswahl eines Analyse-Zeitraumes (KW)
- Aggregation auf Warengruppen – Module, Elimination von best. Artikeln (Pfand,
Taschen, etc.)
14. Vorgehen im Projekt – Bsp. Sortimentsoptimierung
Modellierung & Modellvalidierung
- Entfernen von Rauschen (z.B. Artikel nur 1 Mal verkauft)
- Identifikation der signifikanten Verbünde (über Verkaufshäufigkeit)
- Bestimmen der mittleren Verkaufshäufigkeit (alle Filialen/ganz D)
- Berechnung der Verbundhäufigkeit für Artikelpaare
Ergebnisvalidierung
- Bestimmen der mittleren Verkaufshäufigkeit (alle Filialen/ganz D)
- Konsistenzchecks (Summen über verschiedene Teilanalysen bilden, Betrachtung
intuitiver Verbünde)
63%
25%
15. Vorgehen im Projekt – Bsp. Sortimentsoptimierung
Operationalisierung
- Dashboard zur Visualisierung,
- Erarbeitung der Strategie zur Sortimentsoptimierung
- Entscheidungsfindung – weitere Analyse über BI-Tool oder weitere Modelle
- Umsetzung: Sortiment verändern, Artikel-Platzierung, Werbung
Fortlaufende Bewertung der Modellgüte
- Controlling
- Definieren von Testfilialen bzw. eines statistisch validen Testverfahrens
17. Inhalt
- Was bedeutet Analyse?
- Ansatzpunkte fortgeschrittener Analyse – MAX-CON Kernkompetenz
- Von Aufgabe und Daten zum Ergebnis
- Analytical Cycle
- Projektbeispiel: Sortimentsoptimierung im Handel
- Projektbeispiel: Mengenprognose im Handel
18. Vorgehen im Projekt – Bsp. Mengenprognose
Projektauftrag und Aufgabenverständnis
- Minimierung des Allokationsrisiko für den kommenden Tag
Daten: Verständnis, Selektion, Integration & Aufbereitung
- Kundengruppen
- Verbrauchshistorie der Kunden
- Kovariaten (Temperatur, Differenz zum Vortag, etc)
- Bestehende Prognosemethoden
- Akkumulation von Kunden
- Auswahl eine Prognose-Zeitraumes
- Gesonderte Behandlung irregulärer Verbauchsmuster
19. Vorgehen im Projekt – Bsp. Mengenprognose
Modellierung & Modellvalidierung
- Untersuchung der Güte verschiedener Modellansätze zur Zeitreihenanalyse
Ergebnisvalidierung
- Backtest
- Residuentests
Operationalisierung
- Dashboard zur Visualisierung,
- Integration in die Entscheidungsprozesse
Fortlaufende Bewertung der Modellgüte